DBSCAN输入说明

Question

DBSCAN 算法究竟是什么作为输入？

为什么我在weka和编码算法中有不同的输出？

在编码算法中，它只需要2个输入，而在weka中它可能需要3个。

有人可以帮我理解算法吗？

Answer 1

该算法在Wikipedia中得到了很好的描述。配置输入为：

• eps：epsilon邻域的最大距离。
• minPts：形成区域所需的点数。

简要说明：如果数据点周围的epsilon邻域至少包含minPts，则会创建一个新群集。进一步的意见：

• 数据集（显然）
• （可能）距离函数，如果算法允许在这方面进行参数化

Answer 2

使用“2输入”，你的意思是两个变量（维度）吗？

如果您的代码仅适用于2维，请阅读距离函数。大多数距离函数可以很容易地计算超过两个维度...例如，欧几里德距离定义为

sqrt(pow(x_i-y_i, 2).sum())

当你将i从1循环到n时效果很好＆gt; 2，也是。

DBSCAN有2个明显参数和一个隐藏参数：minPts，epsilon是明显的参数，隐藏参数是距离函数。其中迄今为止对结果影响最大，需要数据理解才能选择。不幸的是，没有经验法则可以选择这个参数。这实际上取决于您的数据。

如果你在Weka实现中得到不同的结果，我并不感到惊讶。它包含隐式数据规范化，这往往会产生意想不到的结果...... DBSCAN的最佳实现可以在ELKI中找到。如果启用数据索引，则速度非常快。